享》的演講。他指出，AI正在快速改變世界和商業模式，為傳統供應鏈帶來新的解決方案。同時，他倡議產業供應鏈領域同行們一起構建行業商品大模型，降低產業鏈成本。

大家好，我是齊心集團的數字化負責人于斌平。

隨著AI的出現，尤其是近幾年生成式AI的出現，快速地改變著整個世界和我們的生活方式，甚至是商業模式。AI具有一些非常好的解決方案，可以解決傳統供應鏈甚至傳統數字供應鏈無法解決的問題。今天我想借此機會與大家分享一下齊心集團在這方面的實踐經驗，并與大家共同討論。

首先，請允許我介紹一下齊心集團。齊心集團成立于1991年，2009年上市，是B2B集采領域解決方案的提供商和云視頻解決方案的提供商。經過創始期、拓展期、快速發展期、服務轉型期等，我們現在正在經歷數字化轉型期，通過企業服務平臺為客戶提供服務。

01

產業互聯網格局正在形成

今天的主題是產業互聯網，我想簡單分享一下消費互聯網和產業互聯網的對比。過去的十幾年、二十年，消費互聯網非常興盛，側重于消費者體驗，只要商品便宜、體驗好就可以了，但是消費互聯網的市場格局已經形成。相比之下，產業互聯網的格局才剛剛開始，主要涉及的主體是企業，注重的是降本增效。

我們對產業互聯網的特點進行了總結，它有幾個特點，包括服務實體企業、底層邏輯是供應鏈管理等。現在產業供應鏈運營有三種主要模式：第一，聯盟運營，撮合交易，核心是數字化超級運營平臺；第二，共享經濟；第三，以自營模式為主，挖掘價值，核心是數字化供應鏈，齊心集團致力于在這個領域中發展。

我們理解的數字化供應鏈的核心有幾個方面：連接、服務、數字化和數智化。簡單來說，我們給供應鏈上所有企業提供價值，無論是服務商、生產商、品牌商、供應商還是客戶。以前我們是通過產品和服務提升價值。現在通過大數據和人工智能的技術賦能，能夠更好地滿足他們的需求。

02

用企業數據訓練AI 為數字化供應鏈賦能

齊心數字供應鏈的模型是以齊心企業服務平臺為核心，連接兩端：一端是供應商，包括生產商、品牌商和服務商等；另一端是客戶，我們主要服務央國企和中大型企業。在供應鏈的需求、尋源、采購、履約、驗收、結算、售后和數據等方面，我們過去主要是通過業務服務實現，現在全面轉型為以智能化和數字化為主的數智化服務。我們總結這一模式為"數字驅動、AI賦能"。

我想通過這張圖來展示齊心的數字供應鏈全景圖。剛才提到的數字化轉型的核心是為企業提供服務，我們有各種各樣的客戶，每個客戶的需求都不同，每個客戶使用的系統和應用數據格式也不同。那我們如何更好地服務和連接他們呢？我們是通過企業服務前臺。這個服務前臺是一個邏輯化的、自動適配的平臺，能夠滿足企業和供應商的各種需求，無論是系統、數據格式還是其他要求，只需要很少的工作量就能夠適配他們的需求。

舉個例子，我們可以在10個工作日內，為客戶提供一套非常復雜的、從合同到訂單、再到履約和結算的全套服務解決方案，完成與客戶的對接。另外，我們的SaaS商城可以在三天內完成企業個性化的服務商城搭建。之所以能夠提供如此個性化、多樣化的適配能力，是因為我們有齊心的能力中后臺，包括業務中臺、大數據平臺和管控后臺等等。

談到AI賦能，就不能離開大數據。齊心的大數據平臺和通常所說的大數據平臺有什么不一樣呢。我們的大數據平臺將行業相關的數據集中起來，許多企業建設數據平臺的目的是制作報表，無法發揮數據的實際價值。而齊心則將大數據平臺作為AI訓練的輸入源，采用AI技術進行供應鏈優化、商品推薦、訂單和物流等方面的訓練，從而建立了一個大數據智能服務平臺。我們有了這樣一個大數據服務平臺，才能說AI給供應鏈賦能。

03

從智能系統到自動化倉儲 AI實際應用案例

下面分享幾個具體案例：

第一，訂單的智能調配。我們在做供應鏈的（企業）大家都清楚，由于客戶遍布全國甚至全世界，最理想的服務方式是在每個地方建倉，這樣才能為客戶提供最快速的服務。然而，這在現實中是不可能的。同時，最好的方案是將所有商品都備足庫存，顯然在To B行業中這也不可行，因為多余的貨物會導致資金過多積壓。因此，商品的補貨預測、采購、庫存分布、甚至供應鏈線條上的補貨等都需要系統進行計算，以往都是基于人工經驗和簡單規則，現在使用基于AI深度學習技術的計算方法。

第二，社會化供應鏈中的算法。在供應鏈線條上，企業除了自有倉庫，還有社會化倉庫比如供應商的倉庫。根據算法的計算結果，可以決定例如貨物是從自有倉庫中提取還是從供應商的倉庫中提取，以及選擇怎樣的方式進行運輸，是拆分運輸還是整合進行運輸等。AI算法會結合客戶要求的履約時間、成本、毛利、質量等因素，綜合決策貨物的送貨來源、出貨地點以及運輸方式等。

供應鏈自動推薦模型分為三個階段：首先將所有數據輸入到大數據倉庫中并進行標記（打標簽）；然后進行特征和模型計算，最后預測并自動輸出結果。結果影響供應商選擇、商品質量選擇、庫存選擇、訂單選擇以及路線規劃等。

前面分享的是供應鏈案例，接下來分享的是商品標準庫的建立：上午丁總詳細介紹了京東墨卡托體系，做的非常好。對于To B行業而言，商品標準庫的建立非常困難。

首先，To B行業的商品種類繁多，不同企業的商品需求也各不相同，單個企業建立起這個商品目錄非常困難。同時，商品的來源各異，有客戶、企業自己、上游供應鏈以及整個行業。這樣的多樣性導致了很多企業都有自己的商品數據篩選庫，但系統無法自動識別這些庫中的商品。過去，一些企業采取的做法是加入人工識別的環節，后來又加入了一些技術邏輯，但這些手段已經不能滿足需求。許多商品描述中還包含定語和廣告詞，這為商品標準庫的建立增加了許多干擾因素。目前我們結合AI技術比如語義搜索、意圖識別等，商品標準庫的建立已取得了明顯成果，同時我們也在嘗試用大模型技術來更快速地解決這個問題。

接下來是招投標報價場景。在To B行業中，客戶通常會發送一份報價單，可能包含幾千條甚至幾萬條數據。傳統的做法是人工篩選和匹配，查看庫存中是否有相應商品，需要人工進行匹配，這樣的工作量和復雜度非常大。而我們通過AI系統，可以自動尋找相似或相同的商品，自動匹配相應的SKU，并通過成本、質量和模型匹配價格，快速報給客戶。所以AI實現降本增效是實實在在的，簡化了客戶和企業的操作流程。

還有就是智能倉儲場景。自動化倉儲對于大家來說并不陌生，過去的倉儲以工控機、單片機、微電腦控制為主，主要應用于工業領域。我在2018年去西雅圖和亞馬遜交流的時候得知，他們的倉庫作業有70%到80%是由機器學習為主的自動化操作完成的。他們的系統能夠自動識別貨物品類和包裝大小，并自動匹配包裝箱，他們有專門的數據科學家研究計算貨物與包裝箱的尺寸匹配問題。當時我感到非常驚訝，也意識到我們的技術差距很大。

但令我欣慰的是，這方面國內也已經取得了進展，齊心集團核心的倉庫有跺碼機、AGV機器人和四向車，這些設備大部分已經采用了最新的AI視覺識別技術，攝像頭可以自動識別箱子的尺寸、所屬類別以及應該放置的位置，還能夠規劃車輛的行進路線。與傳統的工控完全不同，這種方式可以大大提高效率和準確率。我們已經在核心倉庫進行了應用，在倉庫利用率、揀貨的準確性、揀貨效率提升上效果非常好。

再接下來分享一下RPA。過去，RPA和人工智能沒有太多關聯，它們主要使用爬蟲技術和頁面抓取技術。但現在RPA和AI的結合更加深入，RPA在抓取信息之后會進行很多自動化處理。今天參會嘉賓以企業老板和高管為主，實際上一線操作人員的工作復雜度和難度很高，RPA解決的就是這些問題。目前我們已經應用了100多個RPA，效果非常好。主要的應用場景包括財務、人力資源、采購、客服和信息技術等領域。

舉個例子，對賬單和銀行單據的下載，下載之后自動進行收入和收款匹配，同時還與發票進行勾稽處理等。在RPA中加入一些AI算法進行自動匹配，最終得出結果。另外還有一些客服和一些系統應用。所以，通過RPA可以非常方便地實現數據的交互。

04

AIGC為企業內部提效 已著手搭建商品大模型

最后，我想和大家分享一下AIGC（生成式人工智能）以及我們在大模型領域的一些應用。首先，讓我們來看一下這位名叫“心心”的數字人（播放視頻）。這個數字人是我們與百度合作開發的，它的內容由文心一言生成，核心特點是內容、表情和口型完全貼合，跟真人一樣。

我們主要將其應用在電商直播、商品介紹、客服領域。我想主要分享的是我們運用大模型技術，對數字人進行了公司所有規章制度和流程的訓練。員工可能經常遇到公司有很多不同的規章制度，需要咨詢財務、人力資源、行政等部門，他們可能給出不同的答案，還需要查閱資料，非常繁瑣。通過使用大模型訓練，這個數字人可以回答任何規章制度相關問題。

GPT4.0的功能比較強大，它真的改善了人類的工作。舉個例子，對于某個表格的分解，有時候需要人工判斷，但是這個數字人可以用語言告訴你正確答案。這就是我們使用AIGC和大模型的應用領域。

我們正在進行的一個項目是訓練商品大模型。剛才提到的標準庫和客戶報價單，我們都已經應用了一些大模型技術。但面臨的難題是如何利用AIGC開發出一個針對B端行業的商品大模型。使用AIGC的好處是，原本需要查詢和咨詢的商品信息，通過AIGC可以直接得到結果，提高了企業的運營和客戶服務效率。

AIGC和大模型技術真的在顛覆人類工作方式，大家一定要相信AIGC的價值。以前的AI技術已經被稱為AI1.0或傳統人工智能，AIGC是AI 2.0，它正在改變我們商業模式和生活模式。

在構建商品大模型的過程中，我們遇到了幾個挑戰：一是商品種類繁多，一個企業無法獨立完成；二是商品的標準和規范各不相同，AI需要了解不同數據規范和使用規范；三是單一企業的應用效率有限。

因此，我提出一個倡議。我呼吁同行一起構建產業供應鏈和產業互聯網領域的行業商品大模型，真正地服務于客戶和企業自身，共同降低社會供應鏈成本。

謝謝大家！

關鍵詞